aiming-lab/MetaClaw

``` metaclaw setup # one-time config wizard metaclaw start # default: auto mode — skills + scheduled RL training metaclaw start --mode rl # RL without scheduler (trains immediately on full batch) metaclaw start --mode skills_only # skills only, no RL (no Tinker needed) ``` ## 🔥 最新动态 - **[04/11/2026]** **v0.4.1** — 增量记忆摄入：记忆层现在每 N 轮（默认为 5）就会提取并持久化对话轮次，而不是仅在会话结束时处理，从而缩小了会话中期的记忆盲区窗口。 - **[03/25/2026]** **v0.4.0** — Contexture 层：MetaClaw 现在可以为用户和项目持久化跨会话记忆。相关事实、偏好和项目历史会自动检索并注入到 prompt 中。包括自适应记忆策略、后台整合以及可选的 memory sidecar 服务。 - **[03/24/2026]** **v0.3.3** — 一键 OpenClaw 插件：MetaClaw 现在作为原生 OpenClaw 扩展提供 — 只需将文件夹放入 OpenClaw 的扩展目录中，运行一条命令，一切都会自动设置好。 - **[03/18/2026]** 我们的技术报告 "[MetaClaw: Just Talk -- An Agent That Meta-Learns and Evolves in the Wild](https://arxiv.org/pdf/2603.17187)" 发布了！**🏆 排名第一** 于 [HuggingFace Daily Papers](https://huggingface.co/papers/2603.17187)！快来看看吧！ - **[03/16/2026]** **v0.3.2** — 多 Claw 支持：除 OpenClaw 外，现在还支持 IronClaw、PicoClaw、ZeroClaw、CoPaw、NanoClaw 和 NemoClaw。NanoClaw 通过新的兼容 Anthropic 的 `/v1/messages` endpoint 连接；NemoClaw 通过 OpenShell 推理路由连接。添加了 OpenRouter 作为受支持的 LLM 平台。 - **[03/13/2026]** **v0.3.1** — MinT 后端支持：RL 训练现在同时兼容 Tinker 和 MinT。可通过 `rl.backend` (auto/tinker/mint) 进行配置。 - **[03/13/2026]** **v0.3** — 持续元学习支持：缓慢的 RL 更新现在仅在睡眠时间、空闲时间或 Google Calendar 会议期间运行。添加了支持集/查询集分离，以防止过时的奖励信号污染模型更新。 - **[03/11/2026]** **v0.2** — 通过 `metaclaw` CLI 一键部署。默认启用技能，RL 现在为可选项。 - **[03/09/2026]** 我们发布了 **MetaClaw** — 只管和你的 agent 对话，让它自动进化。**无需** GPU 部署；只需接入 **API**。 ## 🎥 演示 https://github.com/user-attachments/assets/d86a41a8-4181-4e3a-af0e-dc453a6b8594 ## 📖 概述 **MetaClaw 是一个能在真实环境中元学习和进化的 agent。** 像往常一样与你的 agent 对话即可 —— MetaClaw 会将每一次实时对话转化为学习信号，使 agent 能够通过真实部署持续改进，而不仅仅是依赖离线训练。 在底层，它将你的模型置于代理之后，拦截来自你个人 agent（OpenClaw、CoPaw、IronClaw、PicoClaw、ZeroClaw、NanoClaw、NemoClaw 或任何兼容 OpenAI 的客户端）的交互，在每一轮注入相关技能，并从积累的经验中进行元学习。对于像 NanoClaw 这样的 Anthropic 原生 agent，MetaClaw 还提供了一个兼容 Anthropic 的 `/v1/messages` endpoint，因此整个 pipeline 无需在 agent 端进行任何更改即可工作。每次会话后会自动总结技能；启用 RL 后，元学习调度器会将权重更新推迟到空闲窗口执行，确保 agent 在活跃使用期间绝不会被中断。 无需 GPU 集群。MetaClaw 开箱即用，兼容任何兼容 OpenAI 的 LLM API，并使用兼容 Tinker 的后端进行基于云的 LoRA 训练。[Tinker](https://www.thinkingmachines.ai/tinker/) 是默认的参考路径；MinT 和 Weaver 可以在需要时通过单独的兼容包启用。 ## 🤖 核心功能 ### **一键部署** 使用 `metaclaw setup` 配置一次，然后 `metaclaw start` 就会启动代理、注入技能，并自动连接你选择的个人 agent（OpenClaw、CoPaw 或 IronClaw）。无需手动运行 shell 脚本。 ### **三种操作模式** | 模式 | 默认 | 功能说明 | |------|---------|--------------| | `skills_only` | | 代理你的 LLM API。每次会话后注入并自动总结技能。无需 GPU/Tinker。 | | `rl` | | 技能 + RL 训练 (GRPO)。批次满了立即训练。提供可选的 OPD 用于教师模型蒸馏。 | | `auto` | ✅ | 技能 + RL + 智能调度器。RL 权重更新仅在睡眠/空闲/会议窗口期间运行。 | ### **长期记忆** MetaClaw 可以跨会话持久化事实、偏好和项目历史，并在每一轮注入相关上下文 —— 这样你的 agent 就会记住你告诉过它的事情，哪怕是几周前的事。 ### **天生异步** 服务、奖励建模和训练完全解耦。agent 继续响应，同时评分和优化并行运行。 ## 🚀 快速开始 ### 1. 安装 **OpenClaw (一键):** 使用 [v0.4.0](https://github.com/aiming-lab/MetaClaw/releases/tag/v0.4.0) 发行版 — 运行下面的代码片段，然后执行 `metaclaw setup` 和 `metaclaw start`。更多详情 (Windows、镜像、配置、故障排除)：[`extensions/metaclaw-openclaw/README.md`](./extensions/metaclaw-openclaw/README.md)。 ``` curl -LO https://github.com/aiming-lab/MetaClaw/releases/download/v0.4.0/metaclaw-plugin.zip unzip metaclaw-plugin.zip -d ~/.openclaw/extensions openclaw plugins enable metaclaw-openclaw && openclaw gateway restart ``` **pip** (PyPI 或本仓库): ``` pip install -e . # skills_only mode (lightweight) pip install -e ".[rl]" # + RL training support (torch, transformers, tinker) pip install -e ".[evolve]" # + skill evolution via OpenAI-compatible LLM pip install -e ".[scheduler]" # + Google Calendar integration for scheduler pip install -e ".[rl,evolve,scheduler]" # recommended for full RL + scheduler setup ``` （可选）微信集成使用官方的 [`@tencent-weixin/openclaw-weixin`](https://github.com/nicepkg/openclaw-weixin) 插件。启用微信后，MetaClaw 会自动安装它： ``` metaclaw config wechat.enabled true metaclaw start ``` 插件会在 `metaclaw start` 时自动安装。你也可以手动安装： ``` npx -y @tencent-weixin/openclaw-weixin-cli@latest install ``` 要切换微信账号（使用新二维码重新登录）： ``` metaclaw start --wechat-relogin ``` 如果你想运行 `rl.backend=mint`，请在同一环境中单独安装 MinT 兼容包，例如 [`mindlab-toolkit`](https://github.com/MindLab-Research/mindlab-toolkit)。同理，对于 `rl.backend=weaver`，请单独安装 [`nex-weaver`](https://github.com/nex-agi/weaver)。MetaClaw 将这些依赖项排除在默认包之外，以便 RL 用户可以显式选择 Tinker、MinT 或 Weaver。 ### 2. 配置 ``` metaclaw setup ``` 交互式向导会要求你： 1. **选择你的个人 agent** — `openclaw`、`copaw`、`ironclaw`、`picoclaw`、`zeroclaw`、`nanoclaw`、`nemoclaw` 或 `none`（MetaClaw 会在启动时自动配置它） 2. **选择你的认证方式** — `api_key` (直接 API) 或 `oauth_token` (CLI 子进程) 3. **选择你的 LLM 提供商**: - **api_key**: Kimi、Qwen、OpenAI、火山引擎或自定义 → 输入 API base + API key - **oauth_token**: Anthropic (Claude Code)、OpenAI Codex 或 Gemini CLI → 粘贴 OAuth token 4. **输入你的模型 ID**，并可选择是否启用 RL 训练 MetaClaw 的 RL 路径可以在 `tinker`、`mint` 和 `weaver` 之间显式切换。推荐使用默认的 `auto`，它会在安装了相应包的情况下根据凭证、base URL 或环境变量推断后端。 **Tinker**: ``` metaclaw config rl.backend tinker metaclaw config rl.api_key sk-... metaclaw config rl.model moonshotai/Kimi-K2.5 ``` **MinT**: ``` metaclaw config rl.backend mint metaclaw config rl.api_key sk-mint-... metaclaw config rl.base_url https://mint.macaron.xin/ metaclaw config rl.model Qwen/Qwen3-4B-Instruct-2507 ``` **Weaver**: ``` metaclaw config rl.backend weaver metaclaw config rl.api_key sk-... metaclaw config rl.base_url https://weaver-console.nex-agi.cn metaclaw config rl.model Qwen/Qwen3-8B ``` 为了向后兼容，仍然接受旧版别名 `rl.tinker_api_key` 和 `rl.tinker_base_url`。 ### 3. 启动 ``` metaclaw start ``` 完成。MetaClaw 会启动代理，自动配置你选择的个人 agent 使用该代理，并重启网关。打开你的 agent 开始聊天吧 — 每一轮都会注入技能，当你结束时，会话会自动总结为新的技能。 ## 🦞 多 Claw 支持 MetaClaw 可作为透明代理，在任何支持兼容 OpenAI LLM 后端的个人 agent 前运行。`claw_type` 设置用于告知 MetaClaw 在启动时自动配置哪个 agent。 | `claw_type` | Agent | MetaClaw 在 `start` 时执行的操作 | |---|---|---| | `openclaw` | [OpenClaw](https://openclaw.ai) | 运行 `openclaw config set models.providers.metaclaw …` + `gateway restart`。使用 `anthropic-messages` API 格式，以便记忆插件 (Hindsight、mem0、memory-lancedb) 能正确接收 `event.rawMessage`。 | | `copaw` | [CoPaw](https://github.com/agentscope-ai/CoPaw) | 修改 `~/.copaw/config.json` → `models.default` → 指向代理端口的 `openai_compatible`。CoPaw 的 ConfigWatcher 会自动热重载。 | | `ironclaw` | [IronClaw](https://github.com/nearai/ironclaw) | 修改 `~/.ironclaw/.env` → `LLM_BACKEND=openai_compatible` + `LLM_BASE_URL/MODEL/API_KEY`。运行 `ironclaw service restart`。 | | `picoclaw` | [PicoClaw](https://github.com/sipeed/picoclaw) | 在 `~/.picoclaw/config.json` 的 `model_list` 中注入 `metaclaw` 条目并将其设为默认模型。运行 `picoclaw gateway restart`。 | | `zeroclaw` | [ZeroClaw](https://github.com/zeroclaw-labs/zeroclaw) | 修改 `~/.zeroclaw/config.toml` → `provider = "openai-compatible"` + `base_url/model/api_key`。运行 `zeroclaw service restart`。 | | `nanoclaw` | [NanoClaw](https://github.com/qwibitai/nanoclaw) | 修改 nanoclaw 的 `.env` → 指向代理端点 `/v1/messages` (兼容 Anthropic) 的 `ANTHROPIC_BASE_URL`。通过 `launchctl` (macOS) 或 `systemctl --user` (Linux) 重启。 | | `nemoclaw` | [NemoClaw](https://github.com/NVIDIA/NemoClaw) | 通过 `openshell provider create` 在 OpenShell 中注册 `metaclaw` 提供商，并通过 `openshell inference set` 将其设为活动推理路由。将配置持久化到 `~/.nemoclaw/config.json`。 | | `hermes` | [Hermes Agent](https://github.com/NousResearch/hermes-agent) | 在 `~/.hermes/config.yaml` 的 `custom_providers` 中注入 `metaclaw` 条目，并设置 `model.provider: custom:metaclaw`。运行 `hermes gateway restart`。 | | `none` | — | 跳过自动配置。手动将你的 agent 指向代理。 | ### 设置 在 `metaclaw setup` 期间（向导中的第一个问题）选择你的 agent： ``` Personal agent to configure (openclaw/copaw/ironclaw/picoclaw/zeroclaw/nanoclaw/nemoclaw/hermes/none) [openclaw]: ``` 或者随时直接设置它： ``` metaclaw config claw_type copaw # switch to CoPaw metaclaw config claw_type ironclaw # switch to IronClaw metaclaw config claw_type picoclaw # switch to PicoClaw metaclaw config claw_type zeroclaw # switch to ZeroClaw metaclaw config claw_type nanoclaw # switch to NanoClaw metaclaw config claw_type nemoclaw # switch to NemoClaw metaclaw config claw_type hermes # switch to Hermes Agent metaclaw config claw_type none # manual / custom agent ``` 然后像往常一样运行 `metaclaw start` — 代理会启动，并自动连接所选的 agent。 手动连接 (claw_type=none) 将任何兼容 OpenAI 的客户端指向 MetaClaw 代理： ``` base_url: http://127.0.0.1:30000/v1 api_key: metaclaw # or whatever proxy.api_key is set to model: ``` 对于 Anthropic 原生客户端（例如 Claude SDK 或 NanoClaw 的凭证代理），请使用兼容 Anthropic 的 endpoint： ``` ANTHROPIC_BASE_URL: http://127.0.0.1:30000 ANTHROPIC_API_KEY: metaclaw ``` ## ⚙️ 配置 配置文件位于 `~/.metaclaw/config.yaml`，由 `metaclaw setup` 创建。 **CLI 命令：** ``` metaclaw setup # Interactive first-time configuration wizard metaclaw start # Start MetaClaw (default: auto mode) metaclaw start --mode rl # Force RL mode (no scheduler) for this session metaclaw start --mode skills_only # Force skills-only mode for this session metaclaw stop # Stop a running MetaClaw instance metaclaw status # Check proxy health, running mode, and scheduler state metaclaw config show # View current configuration metaclaw config KEY VALUE # Set a config value metaclaw config llm.oauth_token TOKEN # Store OAuth token for current CLI provider metaclaw auth paste-token --provider anthropic # Store OAuth token (anthropic | openai-codex | gemini) metaclaw auth status # Show all stored auth profiles metaclaw uninstall # Remove all MetaClaw data, OpenClaw extension, and pip package ``` 当你启动 MetaClaw 时，该命令会等待直到本地代理变得健康后再返回。使用 `metaclaw status` 验证就绪状态，使用 `metaclaw stop` 停止后台进程。

完整配置参考（点击展开）

``` mode: auto # "auto" | "rl" | "skills_only" claw_type: openclaw # "openclaw" | "copaw" | "ironclaw" | "picoclaw" | "zeroclaw" | "nanoclaw" | "nemoclaw" | "hermes" | "none" llm: auth_method: api_key # "api_key" | "oauth_token" provider: kimi # kimi | qwen | openai | minimax | novita | openrouter | volcengine | custom model_id: moonshotai/Kimi-K2.5 api_base: https://api.moonshot.cn/v1 api_key: sk-... # oauth_token example (token stored via `metaclaw auth paste-token`): # auth_method: oauth_token # provider: anthropic # anthropic | openai-codex | gemini # model_id: claude-sonnet-4-6 proxy: port: 30000 api_key: "" # optional bearer token for the local MetaClaw proxy skills: enabled: true dir: ~/.metaclaw/skills # your skill library retrieval_mode: template # template | embedding top_k: 6 task_specific_top_k: 10 # cap task-specific skills (default 10) auto_evolve: true # auto-summarize skills after each session rl: enabled: false # set to true to enable RL training backend: auto # "auto" | "tinker" | "mint" | "weaver" model: moonshotai/Kimi-K2.5 api_key: "" base_url: "" # optional backend endpoint, e.g. https://mint.macaron.xin/ for MinT or https://weaver-console.nex-agi.cn for Weaver tinker_api_key: "" # legacy alias for api_key tinker_base_url: "" # legacy alias for base_url prm_url: https://api.openai.com/v1 prm_model: gpt-5.2 prm_api_key: "" lora_rank: 32 batch_size: 4 resume_from_ckpt: "" # optional checkpoint path to resume training evolver_api_base: "" # leave empty to reuse llm.api_base evolver_api_key: "" evolver_model: gpt-5.2 opd: enabled: false # set to true to enable OPD (teacher distillation) teacher_url: "" # teacher model base URL (OpenAI-compatible /v1/completions) teacher_model: "" # teacher model name (e.g., Qwen/Qwen3-32B) teacher_api_key: "" # teacher model API key kl_penalty_coef: 1.0 # KL penalty coefficient for OPD max_context_tokens: 20000 # prompt token cap before truncation; 0 = no truncation (recommended # for skills_only mode with large-context cloud models) context_window: 0 # context window advertised to the agent (e.g. OpenClaw compaction # threshold); 0 = auto (200 000 in skills_only, 32 768 in rl/auto) scheduler: # v0.3: meta-learning scheduler (auto-enabled in auto mode) enabled: false # auto mode enables this automatically; set manually for rl mode sleep_start: "23:00" sleep_end: "07:00" idle_threshold_minutes: 30 min_window_minutes: 15 calendar: enabled: false credentials_path: "" token_path: "" ```

## 💪 技能模式 **`metaclaw start --mode skills_only`** 最轻量的模式。无需 GPU，无需 RL 后端。MetaClaw 将你的 LLM 置于代理之后，在每一轮注入相关技能，然后在每次对话后自动总结新技能。 对于兼容 OpenAI 的自定义提供商，请将 `llm.api_base` 设置为完整的聊天 API base（通常以 `/v1` 结尾，例如 `https://your-gateway.example/v1`）。在 `skills_only` 模式下，除非你配置单独的 evolver endpoint，否则 MetaClaw 会将该同一 endpoint 用于 prompt 压缩和相关的辅助 LLM 调用。 技能是存储在 `~/.metaclaw/skills/` 中单独的 `SKILL.md` 文件里的简短 Markdown 指令。技能库会随着你的使用而自动增长。 要预加载内置技能库（涵盖编码、安全、agentic 任务等 40 多项技能）： ``` cp -r memory_data/skills/* ~/.metaclaw/skills/ ``` ## 🔬 RL 模式 **`metaclaw start --mode rl`** 包含技能模式的所有功能，以及从实时对话中进行的持续 RL 微调。每一轮对话都会被 token化并作为训练样本提交。评判 LLM (PRM) 会异步对回复进行评分，而兼容 Tinker 的后端（Tinker cloud、MinT 或 Weaver）会运行 LoRA 微调并热替换权重。 **Tinker**: ``` metaclaw config rl.backend tinker metaclaw config rl.api_key sk-... metaclaw config rl.model moonshotai/Kimi-K2.5 metaclaw config rl.prm_url https://api.openai.com/v1 metaclaw config rl.prm_api_key sk-... metaclaw start --mode rl ``` **MinT**: ``` metaclaw config rl.backend mint metaclaw config rl.api_key sk-mint-... metaclaw config rl.base_url https://mint.macaron.xin/ metaclaw config rl.model Qwen/Qwen3-4B-Instruct-2507 metaclaw config rl.prm_url https://api.openai.com/v1 metaclaw config rl.prm_api_key sk-... metaclaw start --mode rl ``` **Weaver**: ``` metaclaw config rl.backend weaver metaclaw config rl.api_key sk-... metaclaw config rl.base_url https://weaver-console.nex-agi.cn metaclaw config rl.model Qwen/Qwen3-8B metaclaw config rl.prm_url https://api.openai.com/v1 metaclaw config rl.prm_api_key sk-... metaclaw start --mode rl ``` 专门的 evolver LLM 还会从失败的回合中提取新技能，并将它们反馈到技能库中。 **程序化执行**（无需 OpenClaw TUI）：将 `openclaw_env_data_dir` 设置为包含 JSONL 任务文件的目录： ``` {"task_id": "task_1", "instruction": "Register the webhook at https://example.com/hook"} ``` ### 在线策略蒸馏 (OPD) OPD 是 RL 模式的可选附加项。它将较大的教师模型在线蒸馏给学生模型：学生像往常一样生成回复，而教师在这些相同的回复上提供每个 token 的对数概率。KL 惩罚项引导学生趋向教师的分布。 ``` metaclaw config opd.enabled true metaclaw config opd.teacher_url http://localhost:8082/v1 metaclaw config opd.teacher_model Qwen/Qwen3-32B metaclaw config opd.kl_penalty_coef 1.0 ``` 教师模型必须位于兼容 OpenAI 的 `/v1/completions` endpoint 之后（例如 vLLM、SGLang）。OPD 可以与 PRM 评分结合使用，两者均异步运行。参见 `examples/run_conversation_opd.py` 和 `scripts/run_openclaw_tinker_opd.sh`。 ## 🧠 自动模式（默认） **`metaclaw start`** 包含 RL 模式的所有功能，外加一个元学习调度器，该调度器会将权重更新推迟到用户不活动的窗口期，从而确保 agent 在活跃使用期间绝不会被打断。这是默认模式。 RL 权重热替换步骤会使 agent 暂停几分钟。自动模式不会像 RL 模式那样在批次满了时立即训练，而是等待合适的窗口期。 以下三种情况会触发更新窗口（满足任意一种即可）： - **睡眠时间**：可配置的开始/结束时间（例如 23:00 到 07:00） - **键盘无操作**：空闲 N 分钟后触发 - **Google Calendar 活动**：检测会议，以便在你离开时运行更新 ``` metaclaw config scheduler.sleep_start "23:00" metaclaw config scheduler.sleep_end "07:00" metaclaw config scheduler.idle_threshold_minutes 30 # 可选：Google Calendar 集成 pip install -e ".[scheduler]" metaclaw config scheduler.calendar.enabled true metaclaw config scheduler.calendar.credentials_path ~/.metaclaw/client_secrets.json ``` 如果用户在更新期间返回，未完成的批次将被保存，并在下一个窗口期恢复。 每个 `ConversationSample` 都标记有 `skill_generation` 版本。当技能演进导致版本提升时，RL 缓冲区会被清空，以便仅将演进后的样本用于梯度更新（MAML 支持/训练集与测试集分离）。 ## 🧠 记忆 MetaClaw v0.4.0 增加了一个与技能并行运行的长期记忆层。技能负责捕捉*如何*做事，而记忆则负责捕捉发生了*什么* —— 用户偏好、项目状态、经常性上下文以及跨会话事实。 ### 工作原理 在每次会话结束时，MetaClaw 会从对话中提取结构化记忆单元，并将它们存储在本地。在下一轮对话中，相关记忆会与技能一起被检索并注入到 prompt 中 —— 这样 agent 就能知道你以前做过什么，而无需你再次重复。 记忆完全在后台运行。对于基本使用，无需配置任何新内容；当 `memory.enabled` 设置为 `true` 时，它会自动激活。 ``` metaclaw config memory.enabled true ``` ### 记忆类型 | 类型 | 捕捉的内容 | |------|-----------------| | `episodic` | 过去的具体事件和行动 | | `semantic` | 关于用户或项目的一般事实 | | `preference` | 明确指出或推断出的用户偏好 | | `project_state` | 当前目标、待办任务、近期决策 | | `working_summary` | 近期活动的滚动总结 | ### 配置 ``` memory: enabled: false top_k: 5 # memories injected per turn max_tokens: 800 # token budget for memory block retrieval_mode: hybrid # keyword | semantic | hybrid consolidation_interval: 10 # consolidate every N sessions store_path: ~/.metaclaw/memory # local storage path ``` ### Memory sidecar（可选） 对于需要进程隔离的部署，MetaClaw 提供了一个独立的 memory sidecar 服务（`openclaw-metaclaw-memory`）。配置后，主代理会将所有的记忆读写操作通过本地 HTTP API 委托给该 sidecar。 ``` metaclaw config memory.sidecar_url http://127.0.0.1:30001 ``` ## 📊 基准测试 MetaClaw-Bench 用于评估 AI agent 从多日交互历史中学习和适应的能力。它包含两个数据集变体（30 天完整版和 12 天精简版），并附带一个覆盖完整 pipeline（验证、推理、评分和报告）的 CLI。 设置和使用方法详见 [`benchmark/README.md`](benchmark/README.md)。 ## 🗑️ 卸载 ``` metaclaw uninstall ``` 此操作可一步到位删除所有内容：停止正在运行的实例，清理 `~/.openclaw/openclaw.json` 中的 MetaClaw 引用，删除 `~/.openclaw/extensions/metaclaw-openclaw/`，删除 `~/.metaclaw/`，卸载 pip 包，并重启 OpenClaw 网关。在删除任何内容之前，系统会提示你进行确认。 卸载后，如果你克隆了源码仓库，请手动将其删除： ``` rm -rf /path/to/MetaClaw ``` ## 📚 引用 ``` @article{xia2026metaclaw, title={MetaClaw: Just Talk An Agent That Meta-Learns and Evolves in the Wild}, author={Xia, Peng and Chen, Jianwen and Yang, Xinyu and Tu, Haoqin and Liu, Jiaqi and Xiong, Kaiwen and Han, Siwei and Qiu, Shi and Ji, Haonian and Zhou, Yuyin and Zheng, Zeyu and Xie, Cihang and Yao, Huaxiu}, journal={arXiv preprint arXiv:2603.17187}, year={2026} } ``` ## 🙏 致谢 MetaClaw 基于以下开源项目构建： - [OpenClaw](https://openclaw.ai) – 主要支持的个人 agent。 - [CoPaw](https://github.com/agentscope-ai/CoPaw) – 多渠道个人 agent 支持。 - [IronClaw](https://github.com/nearai/ironclaw) – 原生 Rust 个人 agent 支持。 - [NanoClaw](https://github.com/qwibitai/nanoclaw) – 容器隔离的 Anthropic 原生个人 agent。 - [NemoClaw](https://github.com/NVIDIA/NemoClaw) – 使用 NIM 推理的 NVIDIA OpenShell 沙盒化个人 agent。 - [SkillRL](https://github.com/aiming-lab/SkillRL) – 我们的技能增强 RL 框架。 - [Tinker](https://www.thinkingmachines.ai/tinker/) – 用于在线 RL 训练。 - [MinT](https://github.com/MindLab-Research/mindlab-toolkit) – 在线 RL 训练的备用后端。 - [Weaver](https://github.com/nex-agi/weaver) – 在线 RL 训练的备用后端。 - [OpenClaw-RL](https://github.com/Gen-Verse/OpenClaw-RL) – 启发了我们的 RL 设计。 - [awesome-openclaw-skills](https://github.com/VoltAgent/awesome-openclaw-skills) – 为我们的技能库提供了基础。 ## 📄 许可证 本项目基于 [MIT 许可证](LICENSE) 授权。

标签：LLM, Petitpotam, Unmanaged PE, 人工智能, 元学习, 凭据扫描, 用户模式Hook绕过, 系统调用监控, 网络调试, 自动化, 逆向工具